基于深度迁移学习优化的民机故障诊断模型有效解决变工况民机故障诊断任务,进而保障民机部件在复杂工况下的故障诊断任务需求。然而,民机的高安全性需求造成设备故障样本稀缺,进而导致变工况故障诊断任务的高置信度故障样本严重不足且...基于深度迁移学习优化的民机故障诊断模型有效解决变工况民机故障诊断任务,进而保障民机部件在复杂工况下的故障诊断任务需求。然而,民机的高安全性需求造成设备故障样本稀缺,进而导致变工况故障诊断任务的高置信度故障样本严重不足且影响故障模型推断。针对上述研究短板,提出了基于条件扩散的故障诊断算法(condition diffusion based fault diagnosis,CDFD)。首先,结合去噪扩散生成模型对有限的高置信度故障样本进行条件生成增广,解决因样本缺失导致的模型过拟合。同时,针对现有条件扩散技术仅关注样本的条件分布推断的短板,联合考虑故障样本的生成与决策进行耦合优化,有效保障故障样本的生成质量,进而显著提升故障诊断模型的决策泛化能力。试验环节分别在仿真与真实故障数据上进行试验验证,论证了所提出算法在解决真实民机故障任务的高效性。展开更多
齿轮箱的故障诊断对于确保机械系统的可靠性、安全性和经济可行性至关重要。在工业实际中,齿轮箱通常运行在正常状态下,因此故障状态发生较少,且由于获取有标签的故障数据的成本较高,导致齿轮箱的健康状态监测面临着有标签故障数据稀缺...齿轮箱的故障诊断对于确保机械系统的可靠性、安全性和经济可行性至关重要。在工业实际中,齿轮箱通常运行在正常状态下,因此故障状态发生较少,且由于获取有标签的故障数据的成本较高,导致齿轮箱的健康状态监测面临着有标签故障数据稀缺的问题。然而,现有的深度迁移诊断方法存在数据生成质量不均匀和过度依赖少数类信息等局限性。为了克服这一挑战,提出条件分布域适应下数模混动齿轮箱故障诊断方法。首先,基于集中参数法构建不同齿轮故障的动力学模型以扩充少标签源域的故障数据;其次,类条件分布最大均值差异(class-conditional maximum mean discrepancy,CMMD)被嵌入诊断模型中,在再生希尔伯特核空间中(reproducing kernel Hilbert space,RKHS)显式构建了故障特征与故障标签的关系,以减小源域数据和目标域数据的分布差异;同时,为保证目标域样本建立可靠的伪标签,熵损失被引入模型训练过程中;最后,通过两个试验验证了所提出方法的有效性和可行性。展开更多
文摘基于深度迁移学习优化的民机故障诊断模型有效解决变工况民机故障诊断任务,进而保障民机部件在复杂工况下的故障诊断任务需求。然而,民机的高安全性需求造成设备故障样本稀缺,进而导致变工况故障诊断任务的高置信度故障样本严重不足且影响故障模型推断。针对上述研究短板,提出了基于条件扩散的故障诊断算法(condition diffusion based fault diagnosis,CDFD)。首先,结合去噪扩散生成模型对有限的高置信度故障样本进行条件生成增广,解决因样本缺失导致的模型过拟合。同时,针对现有条件扩散技术仅关注样本的条件分布推断的短板,联合考虑故障样本的生成与决策进行耦合优化,有效保障故障样本的生成质量,进而显著提升故障诊断模型的决策泛化能力。试验环节分别在仿真与真实故障数据上进行试验验证,论证了所提出算法在解决真实民机故障任务的高效性。
文摘齿轮箱的故障诊断对于确保机械系统的可靠性、安全性和经济可行性至关重要。在工业实际中,齿轮箱通常运行在正常状态下,因此故障状态发生较少,且由于获取有标签的故障数据的成本较高,导致齿轮箱的健康状态监测面临着有标签故障数据稀缺的问题。然而,现有的深度迁移诊断方法存在数据生成质量不均匀和过度依赖少数类信息等局限性。为了克服这一挑战,提出条件分布域适应下数模混动齿轮箱故障诊断方法。首先,基于集中参数法构建不同齿轮故障的动力学模型以扩充少标签源域的故障数据;其次,类条件分布最大均值差异(class-conditional maximum mean discrepancy,CMMD)被嵌入诊断模型中,在再生希尔伯特核空间中(reproducing kernel Hilbert space,RKHS)显式构建了故障特征与故障标签的关系,以减小源域数据和目标域数据的分布差异;同时,为保证目标域样本建立可靠的伪标签,熵损失被引入模型训练过程中;最后,通过两个试验验证了所提出方法的有效性和可行性。
